Objective This study was designed to investigate the revised and short version of the smartphone addiction scale and the proof of its validity in adolescents. In addition, it suggested cutting off the values by gender in order to determine smartphone addiction and elaborate the characteristics of smartphone usage in adolescents. Method A set of questionnaires were provided to a total of 540 selected participants from April to May of 2013. The participants consisted of 343 boys and 197 girls, and their average age was 14.5 years old. The content validity was performed on a selection of shortened items, while an internal-consistency test was conducted for the verification of its reliability. The concurrent validity was confirmed using SAS, SAPS and KS-scale. Receiver operating characteristics analysis was conducted to suggest cut-off. Results The 10 final questions were selected using content validity. The internal consistency and concurrent validity of SAS were verified with a Cronbach's alpha of 0.911. The SAS-SV was significantly correlated with the SAS, SAPS and KS-scale. The SAS-SV scores of gender (p<.001) and self-evaluation of smartphone addiction (p<.001) showed significant difference. The ROC analysis results showed an area under a curve (AUC) value of 0.963(0.888–1.000), a cut-off value of 31, sensitivity value of 0.867 and specificity value of 0.893 in boys while an AUC value of 0.947(0.887–1.000), a cut-off value of 33, sensitivity value of 0.875, and a specificity value of 0.886 in girls. Conclusions The SAS-SV showed good reliability and validity for the assessment of smartphone addiction. The smartphone addiction scale short version, which was developed and validated in this study, could be used efficiently for the evaluation of smartphone addiction in community and research areas.

Objective The aim of this study was to develop a self-diagnostic scale that could distinguish smartphone addicts based on the Korean self-diagnostic program for Internet addiction (K-scale) and the smartphone's own features. In addition, the reliability and validity of the smartphone addiction scale (SAS) was demonstrated. Methods A total of 197 participants were selected from Nov. 2011 to Jan. 2012 to accomplish a set of questionnaires, including SAS, K-scale, modified Kimberly Young Internet addiction test (Y-scale), visual analogue scale (VAS), and substance dependence and abuse diagnosis of DSM-IV. There were 64 males and 133 females, with ages ranging from 18 to 53 years (M = 26.06; SD = 5.96). Factor analysis, internal-consistency test, t-test, ANOVA, and correlation analysis were conducted to verify the reliability and validity of SAS. Results Based on the factor analysis results, the subscale “disturbance of reality testing” was removed, and six factors were left. The internal consistency and concurrent validity of SAS were verified (Cronbach's alpha = 0.967). SAS and its subscales were significantly correlated with K-scale and Y-scale. The VAS of each factor also showed a significant correlation with each subscale. In addition, differences were found in the job (p<0.05), education (p<0.05), and self-reported smartphone addiction scores (p<0.001) in SAS. Conclusions This study developed the first scale of the smartphone addiction aspect of the diagnostic manual. This scale was proven to be relatively reliable and valid.

Background and Aims Smartphone addiction is a recent concern that has resulted from the dramatic increase in worldwide smartphone use. This study assessed the risk and protective factors associated with smartphone addiction in college students and compared these factors to those linked to Internet addiction. Methods College students ( N = 448) in South Korea completed the Smartphone Addiction Scale, the Young’s Internet Addiction Test, the Alcohol Use Disorders Identification Test, the Beck Depression Inventory I, the State–Trait Anxiety Inventory (Trait Version), the Character Strengths Test, and the Connor–Davidson Resilience Scale. The data were analyzed using multiple linear regression analyses. Results The risk factors for smartphone addiction were female gender, Internet use, alcohol use, and anxiety, while the protective factors were depression and temperance. In contrast, the risk factors for Internet addiction were male gender, smartphone use, anxiety, and wisdom/knowledge, while the protective factor was courage. Discussion These differences may result from unique features of smartphones, such as high availability and primary use as a tool for interpersonal relationships. Conclusions Our findings will aid clinicians in distinguishing between predictive factors for smartphone and Internet addiction and can consequently be utilized in the prevention and treatment of smartphone addiction.

Purpose: This study aimed to classify distinct subgroups of people who use both smartphone and the internet based on addiction severity levels. Additionally, how the classified groups differed in terms of sex and psychosocial traits was examined. Methods: A total of 448 university students (178 males and 270 females) in Korea participated. The participants were given a set of questionnaires examining the severity of their internet and smartphone addictions, their mood, their anxiety, and their personality. Latent class analysis and ANOVA (analysis of variance) were the statistical methods used. Results: Significant differences between males and females were found for most of the variables (all P <0.05). Specifically, in terms of internet usage, males were more addicted than females ( P <0.05); however, regarding smartphone, this pattern was reversed ( P <0.001). Due to these observed differences, classifications of the subjects into subgroups based on internet and smartphone addiction were performed separately for each sex. Each sex showed clear patterns with the three-class model based on likelihood level of internet and smartphone addiction ( P <0.001). A common trend for psychosocial trait factors was found for both sexes: anxiety levels and neurotic personality traits increased with addiction severity levels (all P <0.001). However, Lie dimension was inversely related to the addiction severity levels (all P <0.01). Conclusion: Through the latent classification process, this study identified three distinct internet and smartphone user groups in each sex. Moreover, psychosocial traits that differed in terms of addiction severity levels were also examined. It is expected that these results should aid the understanding of traits of internet and smartphone addiction and facilitate further study in this field. Keywords: sex difference, Eysenck personality type, psychosocial traits

The Section III of the Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) proposed nine diagnostic criteria and five cut-point criteria for Internet Gaming Disorder (IGD). We aimed to examine the efficacy of such criteria.Adults (n=3041, men: 1824, women: 1217) who engaged in internet gaming within last 6 months completed a self-report online survey using the suggested wordings of the criteria in DSM-5. Major characteristics, gaming behavior, and psychiatric symptoms of IGD were analyzed using ANOVA, chi-square, and correlation analyses.The sociodemographic variables were not statistically significant between the healthy controls and the risk group. Among the participants, 419 (13.8%) were identified and labeled as the IGD risk group. The IGD risk group scored significantly higher on all motivation subscales (p<0.001). The IGD risk group showed significantly higher scores than healthy controls in all nine psychiatric symptom dimensions, i.e., somatization, obsession-compulsion, interpersonal sensitivity, depression, anxiety, hostility, phobic anxiety, paranoid ideation, and psychoticism (p<0.001).The IGD risk group showed differential psychopathological manifestations according to DSM-5 IGD diagnostic criteria. Further studies are needed to evaluate the reliability and validity of the specific criteria, especially for developing screening instruments.

The purpose of this study was to identify personality factor-associated predictors of smartphone addiction predisposition (SAP). Participants were 2,573 men and 2,281 women (n = 4,854) aged 20-49 years (Mean ± SD: 33.47 ± 7.52); participants completed the following questionnaires: the Korean Smartphone Addiction Proneness Scale (K-SAPS) for adults, the Behavioral Inhibition System/Behavioral Activation System questionnaire (BIS/BAS), the Dickman Dysfunctional Impulsivity Instrument (DDII), and the Brief Self-Control Scale (BSCS). In addition, participants reported their demographic information and smartphone usage pattern (weekday or weekend average usage hours and main use). We analyzed the data in three steps: (1) identifying predictors with logistic regression, (2) deriving causal relationships between SAP and its predictors using a Bayesian belief network (BN), and (3) computing optimal cut-off points for the identified predictors using the Youden index. Identified predictors of SAP were as follows: gender (female), weekend average usage hours, and scores on BAS-Drive, BAS-Reward Responsiveness, DDII, and BSCS. Female gender and scores on BAS-Drive and BSCS directly increased SAP. BAS-Reward Responsiveness and DDII indirectly increased SAP. We found that SAP was defined with maximal sensitivity as follows: weekend average usage hours > 4.45, BAS-Drive > 10.0, BAS-Reward Responsiveness > 13.8, DDII > 4.5, and BSCS > 37.4. This study raises the possibility that personality factors contribute to SAP. And, we calculated cut-off points for key predictors. These findings may assist clinicians screening for SAP using cut-off points, and further the understanding of SA risk factors.

Vulnerability to internet gaming disorder (IGD) has increased as internet gaming continues to grow. Cocaine- and amphetamine-regulated transcript (CART) is a hormone that plays a role in reward, anxiety, and stress. The purpose of this study was to identify the role of CART in the pathophysiology of IGD.